H.264ストリームのシーケンス/ピクチャパラメータセットの可能な場所
私はH.264デコーダーに取り組んでいますが、SPSとPPSはどこにあるのでしょうか。私の参考文献は、それらがH.264-StreamでエンコードされたNALユニットであることを教えてくれますが、IsoViewerでサンプルのMP4-Fileを見ると、SPSとPPSはavcCにありますボックス。
これはどのくらい正確に機能しますか？ .mkvファイルまたは他のH.264コンテナをどのように探しますか？
前もって感謝します！
最初に、単一の標準H.264エレメンタリービットストリーム形式がないことを理解することが重要です。仕様文書には、可能な形式の1つを説明する付録、具体的には付録Bが含まれていますが、実際の要件ではありません。この規格は、ビデオを個々のパケットにエンコードする方法を指定しています。これらのパケットがどのように保存および送信されるかは、インテグレーターに公開されたままです。
1.付録B
ネットワーク抽象化層ユニット
パケットは、ネットワークアブストラクションレイヤーユニットと呼ばれます。多くの場合、NALU（または単にNAL）と省略され、各パケットは個別に解析および処理されます。各NALUの最初のバイトには、NALUタイプ、具体的にはビット3〜7が含まれます（ビット0は常にオフで、ビット1-2はNALUが別のNALUによって参照されているかどうかを示します）。
定義された19の異なるNALUタイプがあり、VCLと非VCLの2つのカテゴリに分けられます。
- VCL、またはVideo Coding Layerパケットには、実際の視覚情報が含まれています。
- 非VCLには、ビデオをデコードするために必要な場合とそうでない場合があるメタデータが含まれています。
単一のNALU、またはVCL NALUはフレームと同じものではありません。フレームは複数のNALUに「スライス」できます。ピザをスライスできるように。 1つ以上のスライスは、1つのフレームを含むアクセスユニット（AU）に仮想的にグループ化されます。スライシングにはわずかな品質コストがかかるため、あまり使用されません。
以下は、定義されているすべてのNALUの表です。
0 Unspecified non-VCL
1 Coded slice of a non-IDR picture VCL
2 Coded slice data partition A VCL
3 Coded slice data partition B VCL
4 Coded slice data partition C VCL
5 Coded slice of an IDR picture VCL
6 Supplemental enhancement information (SEI) non-VCL
7 Sequence parameter set non-VCL
8 Picture parameter set non-VCL
9 Access unit delimiter non-VCL
10 End of sequence non-VCL
11 End of stream non-VCL
12 Filler data non-VCL
13 Sequence parameter set extension non-VCL
14 Prefix NAL unit non-VCL
15 Subset sequence parameter set non-VCL
16 Depth parameter set non-VCL
17..18 Reserved non-VCL
19 Coded slice of an auxiliary coded picture without partitioning non-VCL
20 Coded slice extension non-VCL
21 Coded slice extension for depth view components non-VCL
22..23 Reserved non-VCL
24..31 Unspecified non-VCL
いくつかのNALUタイプがあり、後で知識があれば役立つ場合があります。
- シーケンスパラメーターセット（SPS）。この非VCL NALUには、プロファイル、レベル、解像度、フレームレートなど、デコーダーの構成に必要な情報が含まれています。
- ピクチャパラメータセット（PPS）。 SPSと同様に、この非VCLにはエントロピーコーディングモード、スライスグループ、モーション予測、デブロッキングフィルタに関する情報が含まれています。
- Instantaneous Decoder Refresh（IDR）。このVCL NALUは自己完結型のイメージスライスです。つまり、IDRは、SPSおよびPPSを保存する他のNALUを参照せずにデコードおよび表示できます。
- Access Unit Delimiter（AUD）。 AUDは、エレメンタリストリームのフレームを区切るために使用できるオプションのNALUです。 （TSのようにコンテナ/プロトコルで特に指定されていない限り）必要ではなく、スペースを節約するために含まれないことがよくありますが、各NALUを完全に解析することなくフレームの開始を見つけるのに役立ちます。
NALU開始コード
NALUにはサイズが含まれていません。したがって、NALUを連結してストリームを作成するだけでは機能しません。1つが停止して次が開始する場所がわからないためです。
Annex B仕様は、各NALUの前に「開始コード」を要求することでこれを解決します。開始コードは2または3 0x00バイトで、その後に0x01バイトが続きます。例えば0x000001または0x00000001。
4バイトのバリエーションは、31のゼロビットの後に1が続くことでストリームをバイトアラインするのは簡単なので、シリアル接続を介した伝送に役立ちます。次のビットが0の場合（すべてのNALUは0ビットで始まるため）、NALUの始まりです。 4バイトバリエーションは、通常、SPS PPS AUDやIDRなどのストリーム内のランダムアクセスポイントのシグナリングにのみ使用されます。
エミュレーション防止バイト
4バイトシーケンス0x000000、0x000001、0x000002、および0x000003は、RBSP以外のNALUでは無効であるため、開始コードは機能します。そのため、NALUを作成するときは、これらの値をエスケープしないと、開始コードと混同される可能性があることに注意してください。これは、「エミュレーション防止」バイト0x03を挿入することで達成され、0x000001は0x00000301になります。
デコード時には、エミュレーション防止バイトを探して無視することが重要です。エミュレーション防止バイトはNALU内のほぼどこでも発生する可能性があるため、多くの場合、ドキュメントではそれらが既に削除されていると想定する方が便利です。エミュレーション防止バイトのない表現は、Raw Byte Sequence Payload（RBSP）と呼ばれます。
例
完全な例を見てみましょう。
0x0000 | 00 00 00 01 67 64 00 0A AC 72 84 44 26 84 00 00
0x0010 | 03 00 04 00 00 03 00 CA 3C 48 96 11 80 00 00 00
0x0020 | 01 68 E8 43 8F 13 21 30 00 00 01 65 88 81 00 05
0x0030 | 4E 7F 87 DF 61 A5 8B 95 EE A4 E9 38 B7 6A 30 6A
0x0040 | 71 B9 55 60 0B 76 2E B5 0E E4 80 59 27 B8 67 A9
0x0050 | 63 37 5E 82 20 55 FB E4 6A E9 37 35 72 E2 22 91
0x0060 | 9E 4D FF 60 86 CE 7E 42 B7 95 CE 2A E1 26 BE 87
0x0070 | 73 84 26 BA 16 36 F4 E6 9F 17 DA D8 64 75 54 B1
0x0080 | F3 45 0C 0B 3C 74 B3 9D BC EB 53 73 87 C3 0E 62
0x0090 | 47 48 62 CA 59 EB 86 3F 3A FA 86 B5 BF A8 6D 06
0x00A0 | 16 50 82 C4 CE 62 9E 4E E6 4C C7 30 3E DE A1 0B
0x00B0 | D8 83 0B B6 B8 28 BC A9 EB 77 43 FC 7A 17 94 85
0x00C0 | 21 CA 37 6B 30 95 B5 46 77 30 60 B7 12 D6 8C C5
0x00D0 | 54 85 29 D8 69 A9 6F 12 4E 71 DF E3 E2 B1 6B 6B
0x00E0 | BF 9F FB 2E 57 30 A9 69 76 C4 46 A2 DF FA 91 D9
0x00F0 | 50 74 55 1D 49 04 5A 1C D6 86 68 7C B6 61 48 6C
0x0100 | 96 E6 12 4C 27 AD BA C7 51 99 8E D0 F0 ED 8E F6
0x0110 | 65 79 79 A6 12 A1 95 DB C8 AE E3 B6 35 E6 8D BC
0x0120 | 48 A3 7F AF 4A 28 8A 53 E2 7E 68 08 9F 67 77 98
0x0130 | 52 DB 50 84 D6 5E 25 E1 4A 99 58 34 C7 11 D6 43
0x0140 | FF C4 FD 9A 44 16 D1 B2 FB 02 DB A1 89 69 34 C2
0x0150 | 32 55 98 F9 9B B2 31 3F 49 59 0C 06 8C DB A5 B2
0x0160 | 9D 7E 12 2F D0 87 94 44 E4 0A 76 EF 99 2D 91 18
0x0170 | 39 50 3B 29 3B F5 2C 97 73 48 91 83 B0 A6 F3 4B
0x0180 | 70 2F 1C 8F 3B 78 23 C6 AA 86 46 43 1D D7 2A 23
0x0190 | 5E 2C D9 48 0A F5 F5 2C D1 FB 3F F0 4B 78 37 E9
0x01A0 | 45 DD 72 CF 80 35 C3 95 07 F3 D9 06 E5 4A 58 76
0x01B0 | 03 6C 81 20 62 45 65 44 73 BC FE C1 9F 31 E5 DB
0x01C0 | 89 5C 6B 79 D8 68 90 D7 26 A8 A1 88 86 81 DC 9A
0x01D0 | 4F 40 A5 23 C7 DE BE 6F 76 AB 79 16 51 21 67 83
0x01E0 | 2E F3 D6 27 1A 42 C2 94 D1 5D 6C DB 4A 7A E2 CB
0x01F0 | 0B B0 68 0B BE 19 59 00 50 FC C0 BD 9D F5 F5 F8
0x0200 | A8 17 19 D6 B3 E9 74 BA 50 E5 2C 45 7B F9 93 EA
0x0210 | 5A F9 A9 30 B1 6F 5B 36 24 1E 8D 55 57 F4 CC 67
0x0220 | B2 65 6A A9 36 26 D0 06 B8 E2 E3 73 8B D1 C0 1C
0x0230 | 52 15 CA B5 AC 60 3E 36 42 F1 2C BD 99 77 AB A8
0x0240 | A9 A4 8E 9C 8B 84 DE 73 F0 91 29 97 AE DB AF D6
0x0250 | F8 5E 9B 86 B3 B3 03 B3 AC 75 6F A6 11 69 2F 3D
0x0260 | 3A CE FA 53 86 60 95 6C BB C5 4E F3
これは、3つのNALUを含む完全なAUです。ご覧のとおり、開始コードで始まり、SPSが続きます（SPSは67で始まります）。 SPS内には、2つのエミュレーション防止バイトが表示されます。これらのバイトがないと、これらの位置で不正なシーケンス0x000000が発生します。次に、開始コードの後にPPS（PPSは68で始まります）と1つの最終開始コードの後にIDRスライスが続きます。これは完全なH.264ストリームです。これらの値を16進エディターに入力し、.264拡張子でファイルを保存すると、この画像に変換できます。
付録Bは、一般的に、トランスポートストリーム、無線放送、DVDなどのライブおよびストリーミング形式で使用されます。これらの形式では、SPSとPPSを定期的に繰り返し、通常はすべてのIDRに先行して、デコーダーのランダムアクセスポイントを作成します。これにより、すでに進行中のストリームに参加できます。
2. AVCC
H.264ストリームを保存する他の一般的な方法は、AVCC形式です。この形式では、各NALUの前にその長さが付けられます（ビッグエンディアン形式）。この方法は解析が簡単ですが、Annex Bのバイトアライメント機能が失われます。物事を複雑にするだけで、長さは1、2、または4バイトを使用してエンコードされます。この値はヘッダーオブジェクトに保存されます。このヘッダーは、多くの場合「エクストラデータ」または「シーケンスヘッダー」と呼ばれます。基本的な形式は次のとおりです。
bits
8 version ( always 0x01 )
8 avc profile ( sps[0][1] )
8 avc compatibility ( sps[0][2] )
8 avc level ( sps[0][3] )
6 reserved ( all bits on )
2 NALULengthSizeMinusOne
3 reserved ( all bits on )
5 number of SPS NALUs (usually 1)
repeated once per SPS:
16 SPS size
variable SPS NALU data
8 number of PPS NALUs (usually 1)
repeated once per PPS
16 PPS size
variable PPS NALU data
上記と同じ例を使用すると、AVCCの追加データは次のようになります。
0x0000 | 01 64 00 0A FF E1 00 19 67 64 00 0A AC 72 84 44
0x0010 | 26 84 00 00 03 00 04 00 00 03 00 CA 3C 48 96 11
0x0020 | 80 01 00 07 68 E8 43 8F 13 21 30
SPSに気付き、PPSが帯域外に保存されるようになりました。つまり、エレメンタリストリームデータとは別です。このデータの保存と送信はファイルコンテナの仕事であり、このドキュメントの範囲を超えています。開始コードを使用していない場合でも、エミュレーション防止バイトが挿入されたままであることに注意してください。
さらに、NALULengthSizeMinusOneという新しい変数があります。この紛らわしい名前の変数は、各NALUの長さを格納するために使用するバイト数を示しています。したがって、NALULengthSizeMinusOneが0に設定されている場合、各NALUの前には、その長さを示す単一バイトが付きます。 1バイトを使用してサイズを保存する場合、NALUの最大サイズは255バイトです。それは明らかにかなり小さいです。キーフレーム全体としては小さすぎます。 2バイトを使用すると、NALUごとに64kが得られます。この例では機能しますが、まだかなり低い制限です。 3バイトは完璧ですが、何らかの理由で普遍的にサポートされていません。したがって、4バイトが最も一般的であり、ここで使用したものです。
0x0000 | 00 00 02 41 65 88 81 00 05 4E 7F 87 DF 61 A5 8B
0x0010 | 95 EE A4 E9 38 B7 6A 30 6A 71 B9 55 60 0B 76 2E
0x0020 | B5 0E E4 80 59 27 B8 67 A9 63 37 5E 82 20 55 FB
0x0030 | E4 6A E9 37 35 72 E2 22 91 9E 4D FF 60 86 CE 7E
0x0040 | 42 B7 95 CE 2A E1 26 BE 87 73 84 26 BA 16 36 F4
0x0050 | E6 9F 17 DA D8 64 75 54 B1 F3 45 0C 0B 3C 74 B3
0x0060 | 9D BC EB 53 73 87 C3 0E 62 47 48 62 CA 59 EB 86
0x0070 | 3F 3A FA 86 B5 BF A8 6D 06 16 50 82 C4 CE 62 9E
0x0080 | 4E E6 4C C7 30 3E DE A1 0B D8 83 0B B6 B8 28 BC
0x0090 | A9 EB 77 43 FC 7A 17 94 85 21 CA 37 6B 30 95 B5
0x00A0 | 46 77 30 60 B7 12 D6 8C C5 54 85 29 D8 69 A9 6F
0x00B0 | 12 4E 71 DF E3 E2 B1 6B 6B BF 9F FB 2E 57 30 A9
0x00C0 | 69 76 C4 46 A2 DF FA 91 D9 50 74 55 1D 49 04 5A
0x00D0 | 1C D6 86 68 7C B6 61 48 6C 96 E6 12 4C 27 AD BA
0x00E0 | C7 51 99 8E D0 F0 ED 8E F6 65 79 79 A6 12 A1 95
0x00F0 | DB C8 AE E3 B6 35 E6 8D BC 48 A3 7F AF 4A 28 8A
0x0100 | 53 E2 7E 68 08 9F 67 77 98 52 DB 50 84 D6 5E 25
0x0110 | E1 4A 99 58 34 C7 11 D6 43 FF C4 FD 9A 44 16 D1
0x0120 | B2 FB 02 DB A1 89 69 34 C2 32 55 98 F9 9B B2 31
0x0130 | 3F 49 59 0C 06 8C DB A5 B2 9D 7E 12 2F D0 87 94
0x0140 | 44 E4 0A 76 EF 99 2D 91 18 39 50 3B 29 3B F5 2C
0x0150 | 97 73 48 91 83 B0 A6 F3 4B 70 2F 1C 8F 3B 78 23
0x0160 | C6 AA 86 46 43 1D D7 2A 23 5E 2C D9 48 0A F5 F5
0x0170 | 2C D1 FB 3F F0 4B 78 37 E9 45 DD 72 CF 80 35 C3
0x0180 | 95 07 F3 D9 06 E5 4A 58 76 03 6C 81 20 62 45 65
0x0190 | 44 73 BC FE C1 9F 31 E5 DB 89 5C 6B 79 D8 68 90
0x01A0 | D7 26 A8 A1 88 86 81 DC 9A 4F 40 A5 23 C7 DE BE
0x01B0 | 6F 76 AB 79 16 51 21 67 83 2E F3 D6 27 1A 42 C2
0x01C0 | 94 D1 5D 6C DB 4A 7A E2 CB 0B B0 68 0B BE 19 59
0x01D0 | 00 50 FC C0 BD 9D F5 F5 F8 A8 17 19 D6 B3 E9 74
0x01E0 | BA 50 E5 2C 45 7B F9 93 EA 5A F9 A9 30 B1 6F 5B
0x01F0 | 36 24 1E 8D 55 57 F4 CC 67 B2 65 6A A9 36 26 D0
0x0200 | 06 B8 E2 E3 73 8B D1 C0 1C 52 15 CA B5 AC 60 3E
0x0210 | 36 42 F1 2C BD 99 77 AB A8 A9 A4 8E 9C 8B 84 DE
0x0220 | 73 F0 91 29 97 AE DB AF D6 F8 5E 9B 86 B3 B3 03
0x0230 | B3 AC 75 6F A6 11 69 2F 3D 3A CE FA 53 86 60 95
0x0240 | 6C BB C5 4E F3
この形式の利点は、デコーダを開始時に構成し、ストリームの途中にジャンプできることです。これは、メディアがハードドライブなどのランダムアクセスメディアで利用できる一般的なユースケースであるため、MP4やMKVなどの一般的なコンテナー形式で使用されます。
私は最近このようなことに取り組みました。
Mp4インスペクターをご覧ください。この図でわかるように、mp4には多くのボックスがあり、必要なデータを見つけるために解析する必要があります。
ここでavccボックスの部分にラベルを付けました
私は、h264の取り扱いに関する複数の投稿ブログを書くのは新鮮です。ここに投稿するには長すぎると思います http://cagneymoreau.com/stream-video-Android/